多級聯(lián)動的人像比對應(yīng)用平臺研究與設(shè)計

張杰+劉琦

摘要：本文主要研究了多級聯(lián)動人像比對應(yīng)用平臺研究與設(shè)計。涉及人像識別系統(tǒng)、總體框架設(shè)計、系統(tǒng)架構(gòu)等內(nèi)容。本文的研究對相關(guān)從業(yè)人員具有一定借鑒意義。

關(guān)鍵詞： 多級聯(lián)動；人像比對；總體框架；系統(tǒng)架構(gòu)；特征訓(xùn)練

中圖分類號：TP391.41 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2016）30-0177-02

當(dāng)今世界發(fā)展迅速，社會環(huán)境復(fù)雜多樣，為了保障經(jīng)濟(jì)穩(wěn)步持續(xù)發(fā)展，擁有良好社會治安環(huán)境，極少的犯罪案件發(fā)生率是重要條件。社會安全部門、公安機(jī)關(guān)都致力于降低案件發(fā)生率，維護(hù)良好社會治安環(huán)境。對于犯罪嫌疑人人臉的比對識別技術(shù)逐步發(fā)展起來。隨著人臉識別算法精確程度的不斷提高，云計算、大數(shù)據(jù)技術(shù)的不斷完善，使得人臉精確識別成為可能。本文研究多級機(jī)關(guān)管理構(gòu)架下，人像識別系統(tǒng)設(shè)計、總體框架設(shè)計、系統(tǒng)架構(gòu)、存在問題分析等內(nèi)容。通過這些內(nèi)容的探討，擬對如何設(shè)計人像比對平臺切實(shí)能夠發(fā)揮其實(shí)戰(zhàn)作用提供參考意見。

1 人像識別系統(tǒng)設(shè)計

前期調(diào)研發(fā)現(xiàn)，人像識別算法主要有幾何結(jié)構(gòu)法、子空間法、局部特征法及現(xiàn)在流行的深度學(xué)習(xí)法。在設(shè)計系統(tǒng)時，我們使用深度學(xué)習(xí)方法作為核心算法。整個系統(tǒng)設(shè)計如圖1所示。

如圖1所示，由前端攝像頭回傳的靜態(tài)圖像及動態(tài)視頻流通過預(yù)處理后檢測人臉。將人臉圖片集進(jìn)行結(jié)構(gòu)化，結(jié)構(gòu)化后數(shù)據(jù)與注冊數(shù)據(jù)庫中的圖片進(jìn)行比對，最后輸出相似度結(jié)果。

2 人臉比對平臺總體設(shè)計

2.1 總體框架設(shè)計

總體框架設(shè)計如圖2所示。

如圖2所示，考慮各級部門職能不同，將其分為省、市、區(qū)三級架構(gòu)。省級節(jié)點(diǎn)主要實(shí)現(xiàn)與其他系統(tǒng)數(shù)據(jù)庫人像信息的對接、清洗、篩選等功能；實(shí)現(xiàn)庫內(nèi)人臉結(jié)構(gòu)化過程，并且完成身份比對工作。市級節(jié)點(diǎn)主要實(shí)現(xiàn)上傳下達(dá)的功能，以及對區(qū)級節(jié)點(diǎn)動態(tài)管控，實(shí)時考核等作用。

2.2 人像比對平臺架構(gòu)設(shè)計

人像比對平臺架構(gòu)設(shè)計如圖3所示。

如圖3所示，可將人像比對平臺分為三層。最下層為數(shù)據(jù)層，包括來自內(nèi)網(wǎng)的基本人臉庫、機(jī)動車駕駛員信息庫等內(nèi)部數(shù)據(jù)，以及對接的專網(wǎng)、互聯(lián)網(wǎng)等社會資源信息數(shù)據(jù)庫里的數(shù)據(jù)。服務(wù)層為中間層，主要提供動態(tài)布控比對、靜態(tài)身份確認(rèn)比對功能。最上層為應(yīng)用層。主要提供圖片大庫檢索比對、動態(tài)布控、信息研判以及其他功能等。

3 實(shí)戰(zhàn)應(yīng)用中存在問題分析

實(shí)戰(zhàn)應(yīng)用中存在系列問題。第一，圖片底庫數(shù)據(jù)更新問題。顯而易見，十年前的照片可能和現(xiàn)在照片差別較大，不容易比對成功。建議以身份證為檢索條件，對圖片底庫內(nèi)信息進(jìn)行定期更新。第二，圖片識別算法精確度問題。隨著技術(shù)的發(fā)展，人臉識別成為可能。但是，現(xiàn)階段識別精度有一定局限性。比對結(jié)果以相似度進(jìn)行排列，靠人工甄別做最后判斷。這是本階段進(jìn)行圖片比對的瓶頸所在。第三，傳輸能力和計算能力問題。隨著云計算、大數(shù)據(jù)的發(fā)展，計算能力得到質(zhì)的飛躍。但是，對于圖像，特別是動態(tài)視頻流，需要非常大的存儲空間。視頻流的獲取、傳輸、存儲、處理分析等各個環(huán)節(jié)都是大數(shù)據(jù)處理的過程。龐大的數(shù)據(jù)量需要強(qiáng)大的計算能力支撐。如何合理設(shè)計實(shí)施方案，使得考慮經(jīng)費(fèi)、成本的前提下，實(shí)現(xiàn)人臉快速識別，動態(tài)布控是值得關(guān)注的問題。

4 總結(jié)

本文主要對多級聯(lián)動的人像比對應(yīng)用平臺研究與設(shè)計進(jìn)行探討和分析。文中提到人像識別系統(tǒng)設(shè)計、總體框架設(shè)計、系統(tǒng)架構(gòu)、實(shí)戰(zhàn)應(yīng)用中存在問題分析等內(nèi)容。本文的研究內(nèi)容期望對相關(guān)領(lǐng)域研究、技術(shù)人員及工作人員以借鑒作用。

參考文獻(xiàn)：

[1] Ranzato M， Susskind J， Mnih V， et al. On deep generative models with applications to recognition[C]//Computer Vision and Pattern Recognition（CVPR）， 2011 IEEE Conference on. IEEE， 2011：2857-2864.

[2] Osadchy M， Cun Y L， Miller M L. Synergistic face detection and pose estimation with energy-based models[J]. The Journal of Machine Learning Research， 2011， 8：1197-1215.

[3] Sun Y， Wang X， Tang X. Deep convolutional network cascade fo facial point detection[C]//Computer Vision and Pattern Recognition（CVPR）， 2013 IEEE Conference on. IEEE， 2013：3476-3483.

[4] Huang G B， Lee H， Learned-Miller E. Learning hierarchical representations for face verification with convolutional deep belief networks[C]//Computer Vision and Pattern Recognition（CVPR）， 2012 IEEE Conference on. IEEE， 2012：2518-2525.

[5] 李衛(wèi). 深度學(xué)習(xí)在圖像識別中的研究與應(yīng)用[D]. 武漢理工大學(xué)， 2014.

[6] 池燕玲. 基于深度學(xué)習(xí)的人臉識別方法的研究[D]. 福建師范大學(xué)， 2015.